近期，北京工业大学数学统计学与力学学院数学系博士生连月芳（指导教师：徐大川）研究成果“Zeroth-order stochastic approximation algorithms for DR-submodular optimization”以论文形式被人工智能领域权威期刊《Journal of Machine Learning Research》（简称：JMLR）刊发。连月芳为论文第一作者，作者还包括鹏城实验室王晓副研究员、北京工业大学徐大川教授、澳大利亚詹姆斯库克大学博士生赵中睿。这也是北京工业大学首篇JMLR论文。

JMLR由麻省理工学院出版社出版，旨在刊登人工智能与机器学习领域的高质量前沿研究成果，是国际公认的计算机领域顶级期刊之一，也是中国计算机学会A类推荐的在人工智能、机器学习和模式识别领域的四大国际期刊之一。

DR-次模优化问题因其目标函数的收益递减性在资源分配、网络安全等机器学习领域受到广泛关注。不同于一般非凸优化，次模优化的随机近似算法在设计时不仅要考虑降低样本复杂度，还要提升近似比，使得该研究更具挑战性。本次发表论文探讨了次模最大化问题的零阶随机算法设计和分析，涵盖光滑和非光滑情形下的近似算法，通过引入不同的辅助函数形式和梯度估计方法，确保了多种背景下的算法性能，对于有效解决仅有历史数据且梯度计算困难的次模优化问题提供了新的视角和参考借鉴。

论文链接：https://jmlr.org/papers/volume25/23-1523/23-1523.pdf